CN118279088A - 基于区块链的微电网分布式交易管理系统及其方法 - Google Patents
基于区块链的微电网分布式交易管理系统及其方法 Download PDFInfo
- Publication number
- CN118279088A CN118279088A CN202410713811.XA CN202410713811A CN118279088A CN 118279088 A CN118279088 A CN 118279088A CN 202410713811 A CN202410713811 A CN 202410713811A CN 118279088 A CN118279088 A CN 118279088A
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- power
- power regulation
- control device
- regulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 78
- 230000008901 benefit Effects 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000003750 conditioning effect Effects 0.000 claims description 13
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000013139 quantization Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000012300 Sequence Analysis Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 22
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000007726 management method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 4
- 208000035874 Excoriation Diseases 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明涉及微电网交易技术领域,具体公开基于区块链的微电网分布式交易管理系统及其方法,该系统包括:电力销售效益评估模块、调频服务补偿评估模块和电力资源调度模块。本发明对各电力调控设备的发电性能和调频性能进行分析,分别评估各电力调控设备在电力销售和调频服务中的收益,合理配置和调度各类资源,提高电网的整体调频能力和效率,确保电力调控设备运行的经济效益最大化,从而提高整体电网运营效率,同时对各电力调控设备的累计使用时长进行分析,合理安排电力调控设备的工作模式,实现设备效能的最大化利用,更好地规划设备维护和更新周期,降低因设备故障导致的维修成本和非计划停机损失,从而提高整体运营效益。
Description
技术领域
本发明涉及微电网交易技术领域,具体为基于区块链的微电网分布式交易管理系统及其方法。
背景技术
在智慧城市建设与新能源趋势的推动下,分布式微电网作为整合多元化分布式能源的重要载体,正经历着从集中式向分布式电能交易模式的深刻转型。面对传统电力交易中效率低下、透明度不足、信任成本高等问题,区块链技术以其去中心化、不可篡改、透明公正的特性,在微电网分布式交易管理系统中受到广泛应用。
例如公告号为CN116934344B的发明专利,为一种基于区块链的微电网交易方法及系统,属于微电网交易领域。其中,该方法首先根据预设的微电网市场准入条件,从申请微电网市场交易的用户中筛选出合格用户。然后,根据这些合格用户的申请交易的时间、交易报价、信任值和效益值,确定匹配用户。接着,根据匹配用户的准入条件、行为审核和交易信息生成工作流网。最后,根据工作流网动态生成智能合约,并在区块链网络中广播和执行这些智能合约,从而实现交易结算。这种方法充分利用了区块链的透明性、不可篡改性和智能合约的自动执行性,可以提高微电网交易的效率和安全性。
例如公告号为CN116562864B的发明专利,为一种直流微电网互联系统的电力点对点交易方法及系统,该方法先实时获取直流微电网互联系统的总交易功率,并基于总交易功率确定系统的能量供需比,根据系统的能量供需比得到系统内部电价,直流微电网互联系统的公共能量网关再基于系统内部电价生成公共直流母线的电压参考值,并将公共直流母线的实际电压调整至该电压参考值,然后直流微电网互联系统中各直流微电网对应的用户能量网关读取公共直流母线的电压信号,基于读取的电压信号生成系统内部电价,最后基于系统内部电价进行点对点交易结算。本发明不仅不依赖通信条件和功率预测数据,而且能够适应直流微电网互联系统内部潮流的时变特性。
基于上述方案发现,目前对微电网交易方面还存在一些不足,具体体现在对微电网的自动发电控制不够精确,不同类型、不同使用周期的电力调控设备的调频能力和发电能力存在显著差异,统一的自动发电控制策略可能无法兼顾所有设备的特性。
发明内容
针对现有技术的不足,本发明提供了基于区块链的微电网分布式交易管理系统及其方法,能够有效解决上述背景技术中涉及的问题。
为实现以上目的,本发明通过以下技术方案予以实现:本发明第一方面提供了基于区块链的微电网分布式交易管理系统,包括:电力销售效益评估模块,用于获取电力交易数据,并对各电力调控设备的工作状态数据进行监测,综合分析得到各电力调控设备的电力销售效益评估参量。
调频服务补偿评估模块,用于获取历史调频数据,通过时间序列分析得到市场电力需求时间段的调频补偿数据,并获取各电力调控设备的实际调频性能数据,综合分析得到各电力调控设备的调频服务补偿评估参量。
电力资源调度模块,用于根据各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量,分析得到各电力调控设备的参与调频推荐程度指标,并根据各电力调控设备的参与调频推荐程度指标进行电力资源调度。
作为进一步的方法,所述综合分析得到各电力调控设备的电力销售效益评估参量,具体分析过程为:电力交易数据,包括市场电力需求时间段和该时间段的单位电价。
获取市场电力需求时间段时长,并部署若干监测时间点,采集各电力调控设备的工作状态数据,包括各电力调控设备在各监测时间点的输出电压以及各电力调控设备的累计使用时长。
综合分析得到各电力调控设备的电力销售效益评估参量。
作为进一步的方法,所述综合分析得到各电力调控设备的调频服务补偿评估参量,具体分析过程为:从市场电力需求时间段的调频补偿数据中提取市场电力需求时间段的预计需求调频次数和各次预计需求调频的调频服务需求时长。
根据各电力调控设备的实际调频性能数据,包括各电力调控设备的可提供调频容量和实际调频里程,同时从微电网数据库中提取各电力调控设备的参照调频容量和参照调频里程,经处理得到各电力调控设备的调频性能指标。
将各电力调控设备的调频性能指标与微电网数据库中存储的各调频性能指标区间对应的单位服务时长调频补偿金额进行匹配,得到各电力调控设备的单位服务时长调频补偿金额。
综合分析得到各电力调控设备的调频服务补偿评估参量。
作为进一步的方法,所述分析得到各电力调控设备的参与调频推荐程度指标,具体分析过程为:对各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量进行综合分析,得到各电力调控设备的参与调频推荐程度指标。
作为进一步的方法,所述根据各电力调控设备的参与调频推荐程度指标进行电力资源调度,具体过程为:将各电力调控设备的参与调频推荐程度指标与微电网数据库中存储的参与调频推荐程度指标阈值进行匹配,若某电力调控设备的参与调频推荐程度指标大于或等于参与调频推荐程度指标阈值,则控制该电力调控设备参与调频服务,若某电力调控设备的参与调频推荐程度指标小于参与调频推荐程度指标阈值,则控制该电力调控设备参与电力销售服务。
作为进一步的方法,所述各电力调控设备的调频性能指标,是通过对各电力调控设备的可提供调频容量和实际调频里程进行分析得到的量化指标,用于量化评估各电力调控设备的调频性能。
作为进一步的方法,所述各电力调控设备的调频性能指标,具体数值表达式为:
式中,表示第i个电力调控设备的调频性能指标,表示第i个电力调控设备的可提供调频容量,表示第i个电力调控设备的参照调频容量,表示第i个电力调控设备的实际调频里程,表示第i个电力调控设备的参照调频里程,表示预设的调频容量对应的调频性能影响权重因子,表示预设的调频里程对应的调频性能影响权重因子,i表示各电力调控设备的编号,i=1,2,3,...,n,n表示电力调控设备的总数。
作为进一步的方法,所述各电力调控设备的参与调频推荐程度指标,是通过对各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量进行分析得到的量化指标,用于量化评估各电力调控设备的参与调频推荐程度。
作为进一步的方法,所述各电力调控设备的参与调频推荐程度指标,具体数值表达式为:
式中,表示第i个电力调控设备的参与调频推荐程度指标,表示第i个电力调控设备的电力销售效益评估参量,表示第i个电力调控设备的调频服务补偿评估参量,表示预设的电力销售效益对应的调频推荐程度影响因子,表示预设的调频服务补偿对应的调频推荐程度影响因子。
本发明第二方面提供了基于区块链的微电网分布式交易管理方法,包括:获取电力交易数据,并对各电力调控设备的工作状态数据进行监测,综合分析得到各电力调控设备的电力销售效益评估参量。
获取历史调频数据,通过时间序列分析得到市场电力需求时间段的调频补偿数据,并获取各电力调控设备的实际调频性能数据,综合分析得到各电力调控设备的调频服务补偿评估参量。
根据各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量,分析得到各电力调控设备的参与调频推荐程度指标,并根据各电力调控设备的参与调频推荐程度指标进行电力资源调度。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
(1)本发明通过提供基于区块链的微电网分布式交易管理系统及其方法,分析各电力调控设备在电力销售和调频服务中的收益,可以更有效地配置资源,确保各电力调控设备运行产生的经济效益最大化,从而提高整体电网运营效率,同时合理安排电力调控设备的工作模式,既能避免设备闲置浪费,也能防止过度使用导致设备寿命降低,实现设备效能的最大化利用。
(2)本发明通过对各电力调控设备的累计使用时长和输出电压稳定性进行分析,量化评估各电力调控设备的发电性能,可以更好地规划设备维护和更新周期,降低因设备故障导致的维修成本和非计划停机损失,从而提高整体运营效益。
(3)本发明通过统计分析预计需求调频的调频服务,可以预测调频服务在维护电网频率稳定方面的贡献,及时响应电网负荷变化,确保电网频率始终保持在允许范围,防止因频率波动导致设备损坏和大面积停电事故发生,提高电力系统的可靠性。
(4)本发明通过对各电力调控设备的可提供调频容量和调频里程进行分析,量化评估各电力调控设备的调频性能,可以清晰了解各设备在电网频率调节中的功能优势和局限性,为电力调度人员提供科学依据,合理配置和调度各类资源,提高电网的整体调频能力和效率。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的系统模块连接示意图。
图2为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明第一方面提供了基于区块链的微电网分布式交易管理系统,包括:电力销售效益评估模块,用于获取电力交易数据,并对各电力调控设备的工作状态数据进行监测,综合分析得到各电力调控设备的电力销售效益评估参量。
本实施例中,电力交易数据是指在电力市场中,各市场主体(包括但不限于发电企业、售电公司、电力用户以及其他服务提供商)在进行电力买卖活动过程中产生的各类交易记录及相关信息,包括市场电力需求时间段和各时间段的单位电价。
本实施例中,电力调控设备是指可以参与电力销售或调频服务的设备,主要是具有灵活可调度能力或储能能力的设备,能够在电力市场上响应供需变化并提供相应的服务,包括风力发电机组、燃气轮机发电机组、储能系统、抽水蓄能电站等。
本实施例中,电力调控设备的工作状态数据是指电力调控设备在运行过程中的各种参数和状态指标,包括电力调控设备运行中的实时电压和累计使用时长。
具体地,综合分析得到各电力调控设备的电力销售效益评估参量,具体分析过程为:电力交易数据,包括市场电力需求时间段和该时间段的单位电价。
应理解的是,本实施例中获取市场电力需求时间段和该时间段的单位电价,具体通过根据电力交易数据中历史数据,建立适合时序预测的模型,如状态空间模型、季节性分解整合移动平均、灰色理论模型等,根据电力需求的特点,预测未来某一时间段的电力需求总量以及该时间段的单位电价。
本实施例中市场电力需求时间段是指未来一段时期内电力需求相对集中的时间段,如一天中上午上班期间或傍晚到夜间休息的时间段,此时电网负荷达到最高,电价也相对较高。
本实施例中市场电力需求时间段的单位电价是指通过时序预测模型得到的该时间段的预计平均单位电价。单位电价的单位通常是指人民币每千瓦时(CNY/kWh),即每使用一千瓦时(或一度)电所需支付的费用。
获取市场电力需求时间段时长,并部署若干监测时间点,采集各电力调控设备的工作状态数据,包括各电力调控设备在各监测时间点的输出电压以及各电力调控设备的累计使用时长。
综合分析得到各电力调控设备的电力销售效益评估参量。
应理解的是,本实施例中的各电力调控设备的电力销售效益评估参量,是通过对电力市场的电力交易数据和各电力调控设备的工作状态数据进行分析得到的量化指标,用于量化评估各电力调控设备参与电力销售的效益。
在一个具体的实施例中,各电力调控设备的电力销售效益评估参量,具体数值表达式为:
式中,表示第i个电力调控设备的电力销售效益评估参量,i表示各电力调控设备的编号,i=1,2,3,...,n,n表示电力调控设备的总数。在本实施例中,电力销售效益评估参量与电力调控设备的发电性能、市场电力需求时间段时长和单位电价相关,电力调控设备的发电性能越好,输出电力质量越高,则电力调控设备参与电力销售的效益越高。市场电力需求时间段时长越长,单位电价越高,则电力调控设备参与电力销售的回报越高。
表示第i个电力调控设备的累计使用时长,可以通过各电力调控设备的通信接口获取设备内置计时器的数据,得到各电力调控设备的累计使用时长。本实施例中各电力调控设备的累计使用时长是指各电力调控设备从邻近一次设备维护时间点距当前时间点的时间长度,通常以小时为单位,随着累计使用时长的增加,各电力调控设备的零部件会出现自然老化现象,例如绝缘材料性能下降、接触部位磨损等,间接影响到各电力调控设备的出力和电能质量。
表示预设的第i个电力调控设备的参照累计使用时长,可以通过查看各电力调控设备的使用说明,得到各电力调控设备的参照累计使用时长。本实施例中将各电力调控设备的累计使用时长与参照累计使用时长进行比值运算,比值结果越接近1,表明电力调控设备出现故障的风险越大,性能退化越严重。
表示第i个电力调控设备第t个监测时间点的输出电压,t表示各监测时间点的编号,t=1,2,3,...,s,s表示监测时间点的总数。各电力调控设备在各监测时间点的输出电压可以通过电压传感器监测得到,电力调控设备的输出电压会直接对电网的电能质量造成影响,若电力调控设备不能有效维持输出电压在设定范围内,将会导致电网电压波动过大,影响电力用户设备的正常工作和电网的安全稳定运行。
表示预设的第i个电力调控设备的标准输出电压,表示预设的第i个电力调控设备的允许偏差输出电压,可以通过查阅电力系统的标准文件获取各电力调控设备的标准输出电压和允许偏差输出电压,在一个具体的实施例中,各电力调控设备的标准输出电压如下表所示。
表1 各电力调控设备的标准输出电压
本实施例中将各电力调控设备的输出电压与标准输出电压进行差值运算,并将差值结果与允许偏差输出电压进行比值运算,用于量化评估各电力调控设备的输出电压稳定性。
在一个具体的实施例中,通过对各电力调控设备的累计使用时长和输出电压稳定性进行分析,量化评估各电力调控设备的发电性能,可以更好地规划设备维护和更新周期,降低因设备故障导致的维修成本和非计划停机损失,从而提高整体运营效益。
表示市场电力需求时间段时长,表示市场电力需求时间段的单位电价。
表示设定的发电性能对应的电力销售效益影响因子,表示设定的市场电力需求时间段时长单位数值对应的电力销售效益影响因子,表示设定的单位电价的单位数值对应的电力销售效益影响因子。其中,发电性能对应的电力销售效益影响因子可以通过对比不同时间段内设备满负荷运行时的发电量、弃电量、发电效率等数据,量化分析发电性能对销售收益的影响程度得到,市场电力需求时间段时长单位数值对应的电力销售效益影响因子可以根据历史负荷曲线数据或季节性用电特点研究得到,单位电价的单位数值对应的电力销售效益影响因子可以通过查看电力市场价格公告和参与电力交易市场竞价结算数据得到。如本实施例中,发电性能对应的电力销售效益影响因子为0.95,市场电力需求时间段时长单位数值对应的电力销售效益影响因子为1.2,单位电价的单位数值对应的电力销售效益影响因子为1.5。
在一个具体的实施例中,各电力调控设备的电力销售效益评估参量不仅可以通过以上计算方式得到,也可以通过第三方机构或咨询公司发布的电力市场研究报告获取,其中电力市场研究报告包含了电力市场的供需情况和电价走势等因素对发电效益的影响分析,还可以通过跟踪最新发电技术进展,评估现有设备升级至更先进、高效技术的成本与预期效益提升幅度,量化得到各电力调控设备的电力销售效益评估参量。
调频服务补偿评估模块,用于获取历史调频数据,通过时间序列分析得到市场电力需求时间段的调频补偿数据,并获取各电力调控设备的实际调频性能数据,综合分析得到各电力调控设备的调频服务补偿评估参量。
应理解的是,本实施例中市场电力需求时间段的调频补偿数据,是根据历史调频数据建立电网调频的时间序列模型,其中时间序列模型包括自回归模型(利用序列自身过去的值来预测未来值)和移动平均模型(基于序列过去误差的平均来预测未来值)。通过电网调频的时间序列模型预测得到市场电力需求时间段的调频补偿数据,其中调频补偿数据包括预计需求调频次数和各次预计需求调频的调频服务需求时长。
具体地,综合分析得到各电力调控设备的调频服务补偿评估参量,具体分析过程为:从市场电力需求时间段的调频补偿数据中提取市场电力需求时间段的预计需求调频次数和各次预计需求调频的调频服务需求时长。
根据各电力调控设备的实际调频性能数据,包括各电力调控设备的可提供调频容量和实际调频里程,同时从微电网数据库中提取各电力调控设备的参照调频容量和参照调频里程,经处理得到各电力调控设备的调频性能指标。
应理解的是,本实施例中可提供调频容量是指电力系统中发电设备或者储能设备在规定时间内,能够提供的用于维持电网频率稳定的服务能力。在电力行业中,可提供调频容量用来衡量发电设备或储能设备在短时间内调整发电功率的能力,这个能力通常以功率为单位表示。
应理解的是,本实施例中实际调频里程是指在一段时间内,发电设备根据自动发电控制系统的指令,实际完成的有功功率调整总量。实际调频里程单位通常是兆瓦时(MWh)或者兆瓦次小时(MW·h)。兆瓦时表示的是功率(MW)与时间(h)的乘积,用于计量一段时间内调整电量的大小。在调频服务中,它反映了发电设备为了维持电网频率稳定而增加或减少发出的能量总量。
具体地,各电力调控设备的调频性能指标,是通过对各电力调控设备的可提供调频容量和实际调频里程进行分析得到的量化指标,用于量化评估各电力调控设备的调频性能。
进一步地,各电力调控设备的调频性能指标,具体数值表达式为:
式中,表示第i个电力调控设备的调频性能指标,表示第i个电力调控设备的可提供调频容量,表示第i个电力调控设备的参照调频容量,表示第i个电力调控设备的实际调频里程,表示第i个电力调控设备的参照调频里程,表示预设的调频容量对应的调频性能影响权重因子,表示预设的调频里程对应的调频性能影响权重因子,i表示各电力调控设备的编号,i=1,2,3,...,n,n表示电力调控设备的总数。
应理解的是,本实施例中调频容量对应的调频性能影响权重因子,通常由电力行业专家或电力市场运营商根据历史数据、仿真分析以及对未来电力系统需求预测的结果,结合不同容量级别调频资源在实际调频过程中的贡献效果、响应速度等因素综合评估后确定。本实施例中调频里程对应的调频性能影响权重因子基于电力系统运行实践和理论分析,考虑到调频资源在一定时间段内实际执行调频里程对系统稳定性的影响程度,通过科学方法论确定。如本实施例中,调频容量对应的调频性能影响权重因子为0.7,调频里程对应的调频性能影响权重因子为0.3。
在一个具体的实施例中,可提供调频容量往往作为参与调频服务市场的基础条件,而调频里程则是计算调频服务补偿费用的关键依据。电力调控设备的可提供调频容量决定了电力调控设备的调频里程最大值,只有当调频容量足够大时,电力调控设备才能在调频事件中完成更大的调频里程。同时,在具体调频事件中,电力调控设备的调频里程会受到设备本身或其他原因影响,如机械磨损、控制系统限制等,电力调控设备的实际调频里程可能会低于理论最大值。
在一个具体的实施例中,各电力调控设备的调频性能指标不仅可以通过以上计算方式得到,也可以在实际运行中,通过电网调度中心下发指令,观测各电力调控设备响应自动发电控制指令的速度和准确性,记录调频轨迹,从而获取各电力调控设备的调频性能指标,还可以通过使用电力系统仿真工具,根据发电机组的详细模型进行仿真计算,预估其在不同工况下的调频性能,分析得到各电力调控设备的调频性能指标。
在一个具体的实施例中,通过对各电力调控设备的可提供调频容量和调频里程进行分析,量化评估各电力调控设备的调频性能,可以清晰了解各设备在电网频率调节中的功能优势和局限性,为电力调度人员提供科学依据,合理配置和调度各类资源,提高电网的整体调频能力和效率。
将各电力调控设备的调频性能指标与微电网数据库中存储的各调频性能指标区间对应的单位服务时长调频补偿金额进行匹配,得到各电力调控设备的单位服务时长调频补偿金额。
综合分析得到各电力调控设备的调频服务补偿评估参量。
应理解的是,各电力调控设备的调频服务补偿评估参量,是通过对各电力调控设备的预计调频服务需求时长和调频性能指标进行分析得到的量化指标,用于量化评估各电力调控设备参与调频服务的效益。
在一个具体的实施例中,各电力调控设备的调频服务补偿评估参量,具体数值表达式为:
式中,表示第i个电力调控设备的调频服务补偿评估参量,表示第r次预计需求调频的调频服务需求时长,表示预设的参照单次调频服务时长,表示预设的调频性能指标对应的调频服务补偿影响权重因子,表示预设的调频服务时长对应的调频服务补偿影响权重因子,r表示各次预计需求调频的编号,r=1,2,3,...,h,h表示预计需求调频的总次数。
应理解的是,本实施例中的参照单次调频服务时长通过对历史调频数据中各次调频服务时长进行均值化处理得到。
在一个具体的实施例中,通过统计分析预计需求调频的调频服务,可以预测调频服务在维护电网频率稳定方面的贡献,及时响应电网负荷变化,确保电网频率始终保持在允许范围,防止因频率波动导致设备损坏和大面积停电事故发生,提高电力系统的可靠性。
在一个具体的实施例中,调频性能指标对应的调频服务补偿影响权重因子可以通过综合分析历史调频数据、电力市场规则以及专家评估,根据市场规则设定合理的比例范围,赋予具体的权重因子值。调频服务时长对应的调频服务补偿影响权重因子的获取方式同样基于历史调频服务记录,长时间持续提供调频服务可能意味着设备更大的磨损风险和更高的运营成本,通过分析调频服务时长与磨损风险和运营成本的关联性,得到调频服务时长对应的调频服务补偿影响权重因子的取值。如本实施例中,调频性能指标对应的调频服务补偿影响权重因子为0.6,调频服务时长对应的调频服务补偿影响权重因子为0.4。
在一个具体的实施例中,各电力调控设备的调频服务补偿评估参量不仅可以通过以上计算方式得到,也可以通过监测发电机组自身监控系统记录调频服务期间的设备状态、出力变化曲线、燃料消耗量等相关数据进行评估,还可以通过运用电力系统仿真软件进行模拟实验,预估或复盘调频服务效果及其对应的价值,综合分析得到各电力调控设备的调频服务补偿评估参量。
应理解的是,本实施例中通过分析各电力调控设备的调频性能和调频服务时长,综合评估各电力调控设备的调频服务补偿评估参量。在实际调频活动中,电力调控设备的调频性能会对调频服务时长造成影响,调频性能越高,所需调频服务时长越小。同时长时间的调频活动会进一步导致电力调控设备调频性能的降低,综合分析各电力调控设备的调频性能和调频服务时长,可以提高电力调控设备调频服务补偿评估的精确性。
电力资源调度模块,用于根据各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量,分析得到各电力调控设备的参与调频推荐程度指标,并根据各电力调控设备的参与调频推荐程度指标进行电力资源调度。
具体地,分析得到各电力调控设备的参与调频推荐程度指标,具体分析过程为:对各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量进行综合分析,得到各电力调控设备的参与调频推荐程度指标。
具体地,各电力调控设备的参与调频推荐程度指标,是通过对各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量进行分析得到的量化指标,用于量化评估各电力调控设备的参与调频推荐程度。
进一步地,各电力调控设备的参与调频推荐程度指标,具体数值表达式为:
式中,表示第i个电力调控设备的参与调频推荐程度指标,表示第i个电力调控设备的电力销售效益评估参量,表示第i个电力调控设备的调频服务补偿评估参量,表示预设的电力销售效益对应的调频推荐程度影响因子,表示预设的调频服务补偿对应的调频推荐程度影响因子。
在一个具体的实施例中,电力销售效益对应的调频推荐程度影响因子可以通过对历史数据的统计分析,研究电力销售情况与调频需求的关系,从而估算具体数值。调频服务补偿对应的调频推荐程度影响因子可以通过建立电力市场仿真模型,模拟不同调频补偿水平下的电厂调频行为选择,确定影响因子的具体数值。如本实施例中,电力销售效益对应的调频推荐程度影响因子为0.1,调频服务补偿对应的调频推荐程度影响因子为0.2。
应理解的是,本实施例中的算法使用了非线性变换,使得原本在原空间中表现出异常或突变的值,在新空间中能得到一定程度的压缩或平滑处理,进而避免了异常值对整体数据集趋势分析、模式识别或其他后续分析步骤的扭曲影响,不仅增强了数据的鲁棒性,也有助于揭示隐藏在复杂数据结构背后的深层次规律,从而提高了整个分析流程的准确度和可靠性。
在一个具体的实施例中,各电力调控设备的参与调频推荐程度指标不仅可以通过以上计算方式得到,也可以通过分析设备在过去一段时间内参与电网调频服务的历史数据,包括调频动作次数、响应时间、有效调频贡献度等,从而评价其参与调频的可靠性和有效性,还可以通过实验室或现场测试,对各电力调控设备的调频性能进行专项测试和评估,测定其在不同工况下的调频能力和效率,分析得到各电力调控设备的参与调频推荐程度指标。
具体地,根据各电力调控设备的参与调频推荐程度指标进行电力资源调度,具体过程为:将各电力调控设备的参与调频推荐程度指标与微电网数据库中存储的参与调频推荐程度指标阈值进行匹配,若某电力调控设备的参与调频推荐程度指标大于或等于参与调频推荐程度指标阈值,则控制该电力调控设备参与调频服务,若某电力调控设备的参与调频推荐程度指标小于参与调频推荐程度指标阈值,则控制该电力调控设备参与电力销售服务。
本实施例中,参与调频推荐程度指标阈值是通过对历史调频数据进行统计分析得到的参与调频推荐程度指标的临界值。
微电网数据库,用于存储微电网电力调控的相关数据,包括各电力调控设备的参照调频容量,各电力调控设备的参照调频里程,各调频性能指标区间对应的单位服务时长调频补偿金额和参与调频推荐程度指标阈值。微电网数据库的数据可以通过利用各子系统(如电池管理系统BMS、微网测控保护装置等)提供的协议转换器或数据网关,获取设备状态、运行参数及告警信息等,整合进微电网数据库中得到,也可以配备有数据采集与监控系统,直接从微电网内的设备如逆变器、变流器、储能系统、智能电表等收集实时运行数据。
参照图2所示,本发明第二方面提供了基于区块链的微电网分布式交易管理方法,包括:获取电力交易数据,并对各电力调控设备的工作状态数据进行监测,综合分析得到各电力调控设备的电力销售效益评估参量。
获取历史调频数据,通过时间序列分析得到市场电力需求时间段的调频补偿数据,并获取各电力调控设备的实际调频性能数据,综合分析得到各电力调控设备的调频服务补偿评估参量。
根据各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量,分析得到各电力调控设备的参与调频推荐程度指标,并根据各电力调控设备的参与调频推荐程度指标进行电力资源调度。
在一个具体的实施例中,本发明通过提供基于区块链的微电网分布式交易管理系统及其方法,分析电力调控设备在电力销售和调频服务中的收益,可以更有效地配置资源,确保电力调控设备运行产生的经济效益最大化,从而提高整体电网运营效率,同时合理安排电力调控设备的工作模式,既能避免设备闲置浪费,也能防止过度使用导致设备寿命降低,实现设备效能的最大化利用。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.基于区块链的微电网分布式交易管理系统,其特征在于,包括:
电力销售效益评估模块,用于获取电力交易数据,并对各电力调控设备的工作状态数据进行监测,综合分析得到各电力调控设备的电力销售效益评估参量;
调频服务补偿评估模块,用于获取历史调频数据,通过时间序列分析得到市场电力需求时间段的调频补偿数据,并获取各电力调控设备的实际调频性能数据,综合分析得到各电力调控设备的调频服务补偿评估参量;
电力资源调度模块,用于根据各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量,分析得到各电力调控设备的参与调频推荐程度指标,并根据各电力调控设备的参与调频推荐程度指标进行电力资源调度。
2.根据权利要求1所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述综合分析得到各电力调控设备的电力销售效益评估参量,具体分析过程为:
电力交易数据,包括市场电力需求时间段和该时间段的单位电价;
获取市场电力需求时间段时长,并部署若干监测时间点,采集各电力调控设备的工作状态数据,包括各电力调控设备在各监测时间点的输出电压以及各电力调控设备的累计使用时长;
综合分析得到各电力调控设备的电力销售效益评估参量。
3.根据权利要求1所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述综合分析得到各电力调控设备的调频服务补偿评估参量,具体分析过程为:
从市场电力需求时间段的调频补偿数据中提取市场电力需求时间段的预计需求调频次数和各次预计需求调频的调频服务需求时长;
根据各电力调控设备的实际调频性能数据,包括各电力调控设备的可提供调频容量和实际调频里程,同时从微电网数据库中提取各电力调控设备的参照调频容量和参照调频里程,经处理得到各电力调控设备的调频性能指标;
将各电力调控设备的调频性能指标与微电网数据库中存储的各调频性能指标区间对应的单位服务时长调频补偿金额进行匹配,得到各电力调控设备的单位服务时长调频补偿金额;
综合分析得到各电力调控设备的调频服务补偿评估参量。
4.根据权利要求3所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述分析得到各电力调控设备的参与调频推荐程度指标,具体分析过程为:
对各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量进行综合分析,得到各电力调控设备的参与调频推荐程度指标。
5.根据权利要求4所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述根据各电力调控设备的参与调频推荐程度指标进行电力资源调度,具体过程为:
将各电力调控设备的参与调频推荐程度指标与微电网数据库中存储的参与调频推荐程度指标阈值进行匹配,若某电力调控设备的参与调频推荐程度指标大于或等于参与调频推荐程度指标阈值,则控制该电力调控设备参与调频服务,若某电力调控设备的参与调频推荐程度指标小于参与调频推荐程度指标阈值,则控制该电力调控设备参与电力销售服务。
6.根据权利要求3所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述各电力调控设备的调频性能指标,是通过对各电力调控设备的可提供调频容量和实际调频里程进行分析得到的量化指标,用于量化评估各电力调控设备的调频性能。
7.根据权利要求3所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述各电力调控设备的调频性能指标,具体数值表达式为:
;
式中,表示第i个电力调控设备的调频性能指标,表示第i个电力调控设备的可提供调频容量,表示第i个电力调控设备的参照调频容量,表示第i个电力调控设备的实际调频里程,表示第i个电力调控设备的参照调频里程,表示预设的调频容量对应的调频性能影响权重因子,表示预设的调频里程对应的调频性能影响权重因子,i表示各电力调控设备的编号,i=1,2,3,...,n,n表示电力调控设备的总数。
8.根据权利要求4所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述各电力调控设备的参与调频推荐程度指标,是通过对各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量进行分析得到的量化指标,用于量化评估各电力调控设备的参与调频推荐程度。
9.根据权利要求4所述的基于区块链的微电网分布式交易管理系统,其特征在于:所述各电力调控设备的参与调频推荐程度指标,具体数值表达式为:
;
式中,表示第i个电力调控设备的参与调频推荐程度指标,表示第i个电力调控设备的电力销售效益评估参量,表示第i个电力调控设备的调频服务补偿评估参量,表示预设的电力销售效益对应的调频推荐程度影响因子,表示预设的调频服务补偿对应的调频推荐程度影响因子。
10.一种应用于权利要求1-9中任意一项所述的基于区块链的微电网分布式交易管理系统的方法,其特征在于,包括:
获取电力交易数据,并对各电力调控设备的工作状态数据进行监测,综合分析得到各电力调控设备的电力销售效益评估参量;
获取历史调频数据,通过时间序列分析得到市场电力需求时间段的调频补偿数据,并获取各电力调控设备的实际调频性能数据,综合分析得到各电力调控设备的调频服务补偿评估参量;
根据各电力调控设备的调频服务补偿评估参量和电力销售效益评估参量,分析得到各电力调控设备的参与调频推荐程度指标,并根据各电力调控设备的参与调频推荐程度指标进行电力资源调度。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118279088A true CN118279088A (zh) | 2024-07-02 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
Balducci et al. | Assigning value to energy storage systems at multiple points in an electrical grid | |
Aghajani et al. | Demand side management in a smart micro-grid in the presence of renewable generation and demand response | |
US7409303B2 (en) | Identifying energy drivers in an energy management system | |
US9286646B1 (en) | Method for managing centralized power generation with the aid of a digital computer | |
Alstone et al. | 2025 California demand response potential study-charting California’s demand response future: final report on phase 2 results | |
US11909210B2 (en) | Systems and methods for load management | |
Ma et al. | Demand response and energy storage integration study | |
Gao et al. | Sizing of energy storage for power systems with wind farms based on reliability cost and wroth analysis | |
Zhang et al. | A review and outlook on cloud energy storage: An aggregated and shared utilizing method of energy storage system | |
Thanos et al. | Evaluating demand response programs by means of key performance indicators | |
CN114140176A (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
Milligan | A chronological reliability model to assess operating reserve allocation to wind power plants | |
Jiang et al. | Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule | |
CN118279088A (zh) | 基于区块链的微电网分布式交易管理系统及其方法 | |
Galeela et al. | Reliability Framework Integrating Grid Scale BESS Considering BESS Degradation | |
Harding et al. | Environmental and social benefits of time of use electricity pricing | |
Balducci et al. | Washington clean energy fund grid modernization projects: Economic analysis | |
Tan et al. | A stochastic simulation of battery sizing for demand shifting and uninterruptible power supply facility | |
Contreras et al. | Short-term demand and energy price forecasting | |
Rangoni | A Contribution on the Regulation of Electricity Storage: the case of Hydro-Pumped Storage in Italy and Spain | |
Joshi et al. | Energy management systems in India | |
Shavandi et al. | An Efficient Data Driven Model for Generation Expansion Planning with Short Term Operational Constraints | |
US20240213773A1 (en) | Systems and methods for peak-clipping and load-shifting energy storage dispatch control strategies for event-based demand response |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |